基于累计器状态重置的运行计数变量实现问题求助

我有一个以15分钟为间隔、跟踪燃气流量累计值的时间序列数据集，示例如下：

Date          Time       engine_totalizer
12/25/2021  9:30:00        187304950
12/25/2021  9:15:00        187304854
12/25/2021  9:00:00        187304854
12/25/2021  8:45:00        187304854
12/25/2021  8:30:00        187304854
12/25/2021  8:15:00        187304854
12/25/2021  8:00:00        187304854
12/25/2021  7:45:00        187304854
12/25/2021  7:30:00        187304854
12/25/2021  7:15:00        187304854
12/25/2021  7:00:00        187304854

其中engine_totalizer字段会周期性“卡住”（如7:00:00-9:15:00时段数值未变化）。需要创建gap_length变量：

• 当累计值在相邻时间戳间变化时，gap_length为0；
• 当累计值连续未变化时，从0开始递增计数（目标效果如下）：

Date          Time       engine_totalizer   gap_length
12/25/2021  9:30:00        187304950        0
12/25/2021  9:15:00        187304854        10      
12/25/2021  9:00:00        187304854        9
12/25/2021  8:45:00        187304854        8
12/25/2021  8:30:00        187304854        7
12/25/2021  8:15:00        187304854        6
12/25/2021  8:00:00        187304854        5
12/25/2021  7:45:00        187304854        4
12/25/2021  7:30:00        187304854        3
12/25/2021  7:15:00        187304854        2
12/25/2021  7:00:00        187304854        1
12/25/2021  6:45:00        187304700        0

我尝试用dplyr的case_when和lead函数实现，但结果中gap_length全为0：

# Initialize gap_length 
df$gap_length <- 0
df<-df%>%
  mutate(gap_length = case_when(engine_totalizer == lead(engine_totalizer) ~ lead(gap_length) + 1,
                         TRUE ~ 0))

求正确实现方式。

你的代码失效原因是**lead(gap_length)引用的是未更新的初始值（全0）**，导致计算结果始终为0。要实现目标需求，需要先标记连续相同值的区块，再在区块内倒序生成计数。

正确代码实现 #

library(dplyr)

# 第一步：确保数据按时间降序排列（匹配示例的顺序）
df <- df %>%
  mutate(datetime = as.POSIXct(paste(Date, Time), format = "%m/%d/%Y %H:%M:%S")) %>%
  arrange(desc(datetime)) %>%
  select(-datetime)  # 可选：移除临时生成的datetime列

# 第二步：计算gap_length
df <- df %>%
  # 生成连续相同engine_totalizer的分组ID
  mutate(group_id = cumsum(engine_totalizer != lag(engine_totalizer, default = first(engine_totalizer) + 1))) %>%
  group_by(group_id) %>%
  # 组内第一行（值变化的位置）为0，后续行依次递增
  mutate(gap_length = row_number() - 1) %>%
  ungroup() %>%
  select(-group_id)  # 移除临时分组ID列

关键逻辑说明 #

1. 分组标识group_id：通过cumsum(engine_totalizer != lag(...))，每当engine_totalizer发生变化时，分组ID自动加1，把连续相同值的行归为同一组；
2. 倒序计数：在每个分组内，row_number() - 1让组内第一行（最新的、值刚变化的行）为0，时间更早的行依次递增，完全匹配目标效果；
3. 默认值处理：lag(..., default = first(engine_totalizer) + 1)确保第一行能正确生成第一个分组ID，避免逻辑错误。

如果你的原始数据是按时间升序排列的，只需将arrange(desc(datetime))改为arrange(datetime)，并将gap_length = row_number() - 1替换为gap_length = n() - row_number()，即可实现从变化点往前递增的计数。

内容的提问来源于stack exchange，提问作者Bryan Stolzenburg